Hochschule München

Lernziele / Kompetenzen:

Nach dem Besuch dieses Moduls sind die Studierenden in der Lage, ausgewählte Beispiele aus dem Bereich der Diskreten Mathematik in praktischen Problemstellungen zu modellieren, zu lösen und die Ergebnisse entsprechend zu analysieren. Die Problemstellungen werden dabei zum Teil auch mit dem Einsatz geeigneter Software gelöst. Des Weiteren entwickeln die Studierenden die Fähigkeit, sich in Gruppen mit den mathematischen Methoden auseinanderzusetzen und diese vor einem Auditorium zu präsentieren. Die Studierenden erkennen durch den Besuch des Moduls die Muster von diskreten Problemen und sie sehen ein, dass eine mathematische Modellierung zur Lösung dieser Probleme sehr hilfreich sein kann.

Inhalte:

·        Grundlagen und Anwendungen der Graphentheorie

·        Grundlagen und Anwendungen der Netzwerktheorie

·        Kombinatorische Optimierung

·        Diskrete lineare Optimierung

Eingesetzte Methoden der Betriebswirtschaftslehre:

·        Modelle und Methoden der Analyse (Forschungs- und Analysemodelle):

Modellierung von diskreten Problemen mithilfe der Graphen- und Netzwerktheorie

·        Quantitativ-Empirische Methoden (Vergleichende – statistische, mathematische Methode, Datenanalysen):

Kruskal-Algorithmus, Dijkstra-Algorithmus, Matching-Verfahren, Sweep-Algorithmus, Doppelter-Baum-Algorithmus, heuristische Methoden und Greedy-Algorithmen

·        Qualitativ-interpretative Methoden (Experteninterview, Umfragen, standardisierte Erhebungen):

Diskussion, Interpretation und Präsentation von diskreten Problemen mit betriebswirtschaftlichem Hintergrund

Lehr-und Lernmethoden:

·        Seminaristischer Unterricht

·        Selbstgesteuertes Lernen

Literatur:

·         André Krischke, Helge Röpcke: Graphen und Netzwerktheorie (Hanser)

·         Weitere werden in der Vorlesung bekannt gegeben